-
公开(公告)号：CN119066493A
公开(公告)日：2024-12-03
申请号：CN202411153627.0
申请日：2024-08-21
Applicant: 安徽大学
IPC: G06F18/241 , G06F18/213 , G06N3/0464 , G06N3/0895
Abstract: 本发明公开了一种基于时频对比学习的跨被试脑电情感识别方法，包括以下步骤：将受试者情感反馈时的脑电信号由时域信号转为时域的增强信号、频域信号和频域的增强信号，再以被试为单位将脑电信号划分为源域数据和目标域数据；构建一个基于卷积结构的对比学习模型，将不带标签的源域数据输入模型进行对比预训练，分别得到时域特征提取器和频域特征提取器；将带标签的目标域数据输入到预训练好的提取器中，提取时域和频域特征，并将二者拼接后输入到分类器中进行情绪分类训练；将新被试的带标签的少量未增强的脑电信号输入到模型中，对模型进行微调，然后用于被试的不带标签的脑电信号的情感识别。本发明能够通过微调少量数据来适应新的对象。
-
公开(公告)号：CN119049489A
公开(公告)日：2024-11-29
申请号：CN202411533326.0
申请日：2024-10-31
Applicant: 安徽大学
IPC: G10L21/007 , G10L21/0232 , G10L21/0316 , G10L25/18 , G10L25/30
Abstract: 本发明涉及语音增强技术领域，具体涉及一种基于双分支网络的单声道语音增强方法及装置。本发明公开了一种基于双分支网络的单声道语音增强方法，首先将带噪语音转换成原始语音谱、并引入了分解策略将其解耦成原始幅度谱、原始复数谱；然后基于双分支结构的语音增强网络，并行地从原始幅度谱和原始复数谱中提取特征，并通过信息交互处理得到增强复数谱；之后将基于增强复数谱、原始语音谱进行逆处理，从而得到增强语音。经过在现有公共数据集上进行仿真对比可知，本发明的方法可以在保持相当性能的同时，将Gb/s的复杂度水平进一步压缩，平均实现8.3倍的计算复杂度降低。本发明解决了现有SE解决方案存在计算复杂度高的问题。
-
公开(公告)号：CN118197346B
公开(公告)日：2024-11-15
申请号：CN202410155031.8
申请日：2024-02-02
Applicant: 安徽大学
IPC: G10L21/028 , G10L21/0308 , G10L25/30 , G10L19/008
Abstract: 本发明公开了一种基于多尺度语音‑脑电融合的脑控说话人提取方法及系统。该方法包括：S1、语音编码器将原始混合语音样本转化为具有不同时间分辨率的语音特征；S2、脑电编码器将多通道的脑电信号编码到低维的特征表达，并利用图卷积网络提取脑电数据；S3、在说话人提取网络模块中分别融合多尺度语音和脑电的双模态特征，使用基于掩蔽的方法过滤掉干扰说话人；S4、语音解码器模块将掩蔽后的语音特征转化为原始的时域目标语音波形。本方法利用听者所记录的脑电信号来指导提取目标语音，使说话人提取方法具有根据个人主观意识有效分离目标说话人的能力，并将多尺度的语音特征和脑电特征分别进行融合，提高了语音的感知质量和可懂度。
-
公开(公告)号：CN118916788A
公开(公告)日：2024-11-08
申请号：CN202411405827.0
申请日：2024-10-10
Applicant: 安徽大学
IPC: G06F18/2415 , G06F18/214
Abstract: 本发明公开了一种跨被试小样本学习的运动想象识别方法，其特征在于，包括以下步骤：S1：获取多个受试者的脑电信号，划分为训练集和目标域数据并进行数据预处理；S2：将训练集和目标域数据合称为支持集，对训练集和支持集使用数据增强技术生成混合集；S3:通过预训练阶段利用大量标注数据训练初始模型；S4：利用混合集和支持集通过双重损失函数对所述预训练模型进行微调；S5：通过迭代训练使总损失函数值收敛，得到一个针对目标受试者准确率高的运动想象跨被试识别模型。还公开了一种跨被试小样本学习的运动想象识别系统。本发明通过生成具有代表性的合成数据，结合目标域数据进行训练，能够显著提升运动想象跨被试的分类准确率。
-
公开(公告)号：CN118376833A
公开(公告)日：2024-07-23
申请号：CN202410824943.X
申请日：2024-06-25
Applicant: 安徽大学 , 国网安徽省电力有限公司池州供电公司 , 合肥圣创达电气有限公司
Inventor： 洪小龙 , 邵全 , 李军 , 袁祖慧 , 曹现峰 , 彭文斌 , 宋敏 , 李坚林 , 谢铖 , 徐峰 , 徐晓 , 陈忠 , 胡迪 , 官玮平 , 许磊 , 汪宝龙 , 金巍 , 韩旭 , 刘洋 , 王来银 , 吕钊 , 王庆辰 , 李建伟 , 宋元元 , 葛梦梅
Abstract: 本发明公开了一种基于变电站消防监测信息的交流剩余电流监测方法及系统，方法包括：基于消防系统配置在线缆沟槽内安装温度传感器和烟感传感器并获取温度传感器和烟感传感器的报警信号和监测信息参数；基于温度传感器和烟感传感器的报警信号确定线缆的实际工况，建立不同工况下的剩余电流计算模型；基于温度传感器和烟感传感器的监测信息参数确定有效接地电阻，根据所述有效接地电阻利用所述剩余电流计算模型获取线缆的剩余电流。本方法通过消防监测信息与剩余电流监测的结合利用，构建了消防信号与剩余电流的关系模型，实现了低功耗、低成本的不同工况下的交流系统剩余电流实时监测方案。
-
Patent Agency Ranking
公开(公告)号：CN117992909B
公开(公告)日：2024-07-05
申请号：CN202410124705.8
申请日：2024-01-29
Applicant: 安徽大学
IPC: G06F18/25 , A61B5/369 , A61B3/024 , G06F18/213 , G06V40/16 , G06V10/44 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本申请涉及一种视听场景下的听觉注意解码方法、装置和助听系统，其中，该目标说话者定位方法包括；实时获取听者的脑电信号和视野图像；其中，所述脑电信号通过佩戴于听者头部的脑电信号采集设备采集得到，所述视野图像通过与听者头部同步运动的图像采集设备采集得到；将所述脑电信号和所述视野图像输入基于机器学习的听觉注意解码模型，通过所述听觉注意解码模型得到目标说话者的空间方位。本发明充分考虑了实际场景中可用于定位目标说话者的信息，进而能够更加准确地锁定目标说话者的空间方位，改进了现有的听觉注意解码算法，可以更加充分地注意目标说话者的声音，解决了目前的听觉注意解码算法对目标声源的定位准确性较低的问题。
-
公开(公告)号：CN118121192A
公开(公告)日：2024-06-04
申请号：CN202410155072.7
申请日：2024-02-02
Applicant: 安徽大学
Abstract: 本发明公开了一种基于时频域融合的听觉注意检测方法和系统。首先根据不同的决策窗口长度将脑电信号划分成多个与之对应的滑动窗口，再分别通过空域特征提取模块和多频带微分熵模块提取后将其对应结果分别输入到两个并行模块：时间注意力模块和频率残差模块。其中，本发明通过时间注意力模块提取时域特征，通过频率残差模块提取频域特征，最后通过特征融合和分类器模块将时频域特征融合并以此得到听觉注意检测的结果。经过实验证明，本发明得到的预测结果与现有方法相比更加准确，提高了听觉注意检测的精度。
-
公开(公告)号：CN117694903A
公开(公告)日：2024-03-15
申请号：CN202311605799.2
申请日：2023-11-24
Applicant: 安徽大学
Abstract: 本发明公开了一种基于脑电信号识别的运动障碍康复训练方法和系统，方法包括：采集训练的脑电信号进行频、空域滤波和标准化；建立自注意力卷积神经网络提取时空特征，并基于预测和真实分类确定第一损失函数，基于时空特征与对应中心距离确定第二损失函数；采用自蒸馏模型优化，得到第三损失函数；基于第一损失函数、第二损失函数、第三损失函数构建模型总损失函数迭代训练得到脑电信号识别模型；采集康复数据输入模型得到识别结果，并转化为控制命令驱动相应肢体完成康复训练。本方法对脑电信号完成有效滤波并分离，采用自注意力机制和自蒸馏训练保证模型的识别精度下尽可能减轻模型结构，融合多重损失函数对网络训练得到更高效、准确的识别模型。
-
公开(公告)号：CN117332300A
公开(公告)日：2024-01-02
申请号：CN202311332589.0
申请日：2023-10-16
Applicant: 安徽大学
IPC: G06F18/24 , G06F18/213 , G06F18/15 , G06F18/214
Abstract: 本发明属于脑电信号处理技术领域，具体涉及一种基于自注意力改进域适应网络的运动想象脑电分类方法、系统和设备。该方法包括如下步骤：S1：获取源域和目标域的原始脑电信号。S2：对源域和目标域中的脑电信号进行带通滤波和标准化。S3：构建基于迁移学习策略的脑电信号分类网络，其输入为源域和目标域的脑电信号，输出为源域脑电信号的分类结果。S4：利用深度学习梯度下降方式，通过源域和目标域的脑电信号对脑电信号分类网络进行训练。S5：利用经过测试的脑电信号分类网络作为预测模型对运动脑电信号进行识别，预测出对应的运动想象类型。本发明解决了现有用于脑电信号解码的机器学习算法受限于训练数据不足而导致识别精度不高的问题。
-
公开(公告)号：CN117257326A
公开(公告)日：2023-12-22
申请号：CN202311265682.4
申请日：2023-09-27
Applicant: 安徽大学
IPC: A61B5/369 , G06F18/213 , G06F18/24 , G06N3/0442 , G06N3/08 , A61B5/00 , A61B5/055
Abstract: 本发明涉及孤独症识别技术领域，更具体的，涉及一种基于动态性和稀疏编码的孤独症识别方法及系统。本发明搭建出识别模型，先构建特征提取模板，再训练识别模型得到训练好的识别模型，然后使用训练好的识别模型对G个待识别病患的fMRI脑信号数据进行处理，得到G个识别结果。考虑到孤独症患者和正常人之间的某些特定大脑功能存在差异，本发明构建的识别模型在对fMRI脑信号数据进行特征提取时，选择了具有显著差异的大脑功能连接形成特征选择，并采用特征提取模板提取出F‑score处于前列的特征向量，从而降低后续特征处理量，通过更少的计算获得更好的效率。本发明解决了现有模型效率偏低的问题。
-
-
-
-
-
-
-
-
-
Search Results
141
records
(took 0.027 seconds)
